week2.mdwn

   1 [[!toc]]
   2
   3
   4 Syntactic equality, reduction, convertibility
   5 =============================================
   6
   7 Define T to be `(\x. x y) z`. Then T and `(\x. x y) z` are syntactically equal, and we're counting them as syntactically equal to `(\z. z y) z` as well, which we will write as:
   8
   9 <pre><code>T &equiv; (\x. x y) z &equiv; (\z. z y) z
  10 </code></pre>
  11
  12 [Fussy note: the justification for counting `(\x. x y) z` as
  13 equivalent to `(\z. z y) z` is that when a lambda binds a set of
  14 occurrences, it doesn't matter which variable serves to carry out the
  15 binding.  Either way, the function does the same thing and means the
  16 same thing.  Look in the standard treatments for discussions of alpha
  17 equivalence for more detail.]
  18
  19 This:
  20
  21         T ~~> z y
  22
  23 means that T beta-reduces to `z y`. This:
  24
  25         M <~~> T
  26
  27 means that M and T are beta-convertible, that is, that there's something they both reduce to in zero or more steps.
  28
  29 Combinators and Combinatorial Logic
  30 ===================================
  31
  32 Lambda expressions that have no free variables are known as **combinators**. Here are some common ones:
  33
  34 >       **I** is defined to be `\x x`
  35
  36 >       **K** is defined to be `\x y. x`. That is, it throws away its
  37            second argument. So `K x` is a constant function from any
  38            (further) argument to `x`. ("K" for "constant".) Compare K
  39            to our definition of **true**.
  40
  41 >       **get-first** was our function for extracting the first element of an ordered pair: `\fst snd. fst`. Compare this to **K** and **true** as well.
  42
  43 >       **get-second** was our function for extracting the second element of an ordered pair: `\fst snd. snd`. Compare this to our definition of **false**.
  44
  45 >       **B** is defined to be: `\f g x. f (g x)`. (So `B f g` is the composition `\x. f (g x)` of `f` and `g`.)
  46
  47 >   **C** is defined to be: `\f x y. f y x`. (So `C f` is a function like `f` except it expects its first two arguments in swapped order.)
  48
  49 >   **W** is defined to be: `\f x . f x x`. (So `W f` accepts one argument and gives it to `f` twice. What is the meaning of `W multiply`?)
  50
  51 >       **&omega;** is defined to be: `\x. x x`
  52
  53 It's possible to build a logical system equally powerful as the lambda calculus (and readily intertranslatable with it) using just combinators, considered as atomic operations. Such a language doesn't have any variables in it: not just no free variables, but no variables at all.
  54
  55 One can do that with a very spare set of basic combinators. These days the standard base is just three combinators: K and I from above, and also one more, **S**, which behaves the same as the lambda expression  `\f g x. f x (g x)`. behaves. But it's possible to be even more minimalistic, and get by with only a single combinator. (And there are different single-combinator bases you can choose.)
  56
  57 There are some well-known linguistic applications of Combinatory
  58 Logic, due to Anna Szabolcsi, Mark Steedman, and Pauline Jacobson.
  59 Szabolcsi supposed that the meanings of certain expressions could be
  60 insightfully expressed in the form of combinators.
  61
  62
  63 For instance, Szabolcsi argues that reflexive pronouns are argument
  64 duplicators.
  65
  66 ![reflexive](http://lambda.jimpryor.net/szabolcsi-reflexive.jpg)
  67
  68 Notice that the semantic value of *himself* is exactly W.
  69 The reflexive pronoun in direct object position combines first with the transitive verb (through compositional magic we won't go into here).  The result is an intransitive verb phrase that takes a subject argument, duplicates that argument, and feeds the two copies to the transitive verb meaning.
  70
  71 Note that `W <~~> S(CI)`:
  72
  73 <pre><code>S(CI) &equiv;
  74 S((\fxy.fyx)(\x.x)) ~~>
  75 S(\xy.(\x.x)yx) ~~>
  76 S(\xy.yx) &equiv;
  77 (\fgx.fx(gx))(\xy.yx) ~~>
  78 \gx.(\xy.yx)x(gx) ~~>
  79 \gx.(gx)x &equiv;
  80 W</code></pre>
  81
  82 Ok, here comes a shift in thinking.  Instead of defining combinators as equivalent to certain lambda terms,
  83 we can define combinators by what they do.  If we have the I combinator followed by any expression X,
  84 I will take that expression as its argument and return that same expression as the result.  In pictures,
  85
  86     IX ~~> X
  87
  88 Thinking of this as a reduction rule, we can perform the following computation
  89
  90     II(IX) ~~> IIX ~~> IX ~~> X
  91
  92 The reduction rule for K is also straightforward:
  93
  94     KXY ~~> X
  95
  96 That is, K throws away its second argument.  The reduction rule for S can be constructed by examining
  97 the defining lambda term:
  98
  99     S = \fgx.fx(gx)
 100
 101 S takes three arguments, duplicates the third argument, and feeds one copy to the first argument and the second copy to the second argument.  So:
 102
 103     SFGX ~~> FX(GX)
 104
 105 If the meaning of a function is nothing more than how it behaves with respect to its arguments,
 106 these reduction rules capture the behavior of the combinators S,K, and I completely.
 107 We can use these rules to compute without resorting to beta reduction.  For instance, we can show how the I combinator is equivalent to a certain crafty combination of S's and K's:
 108
 109     SKKX ~~> KX(KX) ~~> X
 110
 111 So the combinator SKK is equivalent to the combinator I.
 112
 113 Combinatory Logic is what you have when you choose a set of combinators and regulate their behavior with a set of reduction rules.  The most common system uses S,K, and I as defined here.
 114
 115 ###The equivalence of the untyped lambda calculus and combinatory logic###
 116
 117 We've claimed that Combinatory Logic is equivalent to the lambda calculus.  If that's so, then S, K, and I must be enough to accomplish any computational task imaginable.  Actually, S and K must suffice, since we've just seen that we can simulate I using only S and K.  In order to get an intuition about what it takes to be Turing complete, imagine what a text editor does:
 118 it transforms any arbitrary text into any other arbitrary text.  The way it does this is by deleting, copying, and reordering characters.  We've already seen that K deletes its second argument, so we have deletion covered.  S duplicates and reorders, so we have some reason to hope that S and K are enough to define arbitrary functions.
 119
 120 We've already established that the behavior of combinatory terms can be perfectly mimicked by lambda terms: just replace each combinator with its equivalent lambda term, i.e., replace I with `\x.x`, replace K with `\fxy.x`, and replace S with `\fgx.fx(gx)`.  How about the other direction?  Here is a method for converting an arbitrary lambda term into an equivalent Combinatory Logic term using only S, K, and I.  Besides the intrinsic beauty of this mapping, and the importance of what it says about the nature of binding and computation, it is possible to hear an echo of computing with continuations in this conversion strategy (though you would be able to hear these echos until we've covered a considerable portion of the rest of the course).
 121
 122 Assume that for any lambda term T, [T] is the equivalent combinatory logic term.  The we can define the [.] mapping as follows:
 123
 124      1. [a]               a
 125      2. [(M N)]           ([M][N])
 126      3. [\a.a]            I
 127      4. [\a.M]            KM                 assumption: a does not occur free in M
 128      5. [\a.(M N)]        S[\a.M][\a.N]
 129      6. [\a\b.M]          [\a[\b.M]]
 130
 131 It's easy to understand these rules based on what S, K and I do.  The first rule says
 132 that variables are mapped to themselves.
 133 The second rule says that the way to translate an application is to translate the
 134 first element and the second element separately.
 135 The third rule should be obvious.
 136 The fourth rule should also be fairly self-evident: since what a lambda term such as `\x.y` does it throw away its first argument and return `y`, that's exactly what the combinatory logic translation should do.  And indeed, `Ky` is a function that throws away its argument and returns `y`.
 137 The fifth rule deals with an abstract whose body is an application: the S combinator takes its next argument (which will fill the role of the original variable a) and copies it, feeding one copy to the translation of \a.M, and the other copy to the translation of \a.N.  Finally, the last rule says that if the body of an abstract is itself an abstract, translate the inner abstract first, and then do the outermost.  (Since the translation of [\b.M] will not have any lambdas in it, we can be sure that we won't end up applying rule 6 again in an infinite loop.)
 138
 139 Here's an example of the translation:
 140
 141     [\x\y.yx] = [\x[\y.yx]] = [\x.S[\y.y][\y.x]] = [\x.(SI)(Kx)] = S[\x.SI][\x.Kx] = S(K(SI))(S[\x.K][\x.x]) = S(K(SI))(S(KK)I)
 142
 143
 144
 145 [Fussy notes: if the original lambda term has free variables in it, so will the combinatory logic translation.  Feel free to worry about this, though you should be confident that it makes sense.  You should also convince yourself that if the original lambda term contains no free variables---i.e., is a combinator---then the translation will consist only of S, K, and I (plus parentheses).  One other detail: this translation algorithm builds expressions that combine lambdas with combinators.  For instance, the translation of `\x.\y.y` is `[\x[\y.y]] = [\x.I] = KI`.  In that intermediate stage, we have `\x.I`.  It's possible to avoid this, but it takes some careful thought.  See, e.g., Barendregt 1984, page 156.]
 146
 147
 148 These systems are Turing complete. In other words: every computation we know how to describe can be represented in a logical system consisting of only a single primitive operation!
 149
 150 Here's more to read about combinatorial logic.
 151 Surely the most entertaining exposition is Smullyan's [[!wikipedia To_Mock_a_Mockingbird]].
 152 Other sources include
 153
 154 *       [[!wikipedia Combinatory logic]] at Wikipedia
 155 *       [Combinatory logic](http://plato.stanford.edu/entries/logic-combinatory/) at the Stanford Encyclopedia of Philosophy
 156 *       [[!wikipedia SKI combinatory calculus]]
 157 *       [[!wikipedia B,C,K,W system]]
 158 *       [Chris Barker's Iota and Jot](http://semarch.linguistics.fas.nyu.edu/barker/Iota/)
 159 *       Jeroen Fokker, "The Systematic Construction of a One-combinator Basis for Lambda-Terms" <cite>Formal Aspects of Computing</cite> 4 (1992), pp. 776-780.
 160 <http://people.cs.uu.nl/jeroen/article/combinat/combinat.ps>
 161
 162
 163 Evaluation Strategies and Normalization
 164 =======================================
 165
 166 In the assignment we asked you to reduce various expressions until it wasn't possible to reduce them any further. For two of those expressions, this was impossible to do. One of them was this:
 167
 168         (\x. x x) (\x. x x)
 169
 170 As we saw above, each of the halves of this formula are the combinator <code>&omega;</code>; so this can also be written:
 171
 172 <pre><code>&omega; &omega;</code></pre>
 173
 174 This compound expression---the self-application of <code>&omega;</code>---is named &Omega;. It has the form of an application of an abstract (<code>&omega;</code>) to an argument (which also happens to be <code>&omega;</code>), so it's a redex and can be reduced. But when we reduce it, we get <code>&omega; &omega;</code> again. So there's no stage at which this expression has been reduced to a point where it can't be reduced any further. In other words, evaluation of this expression "never terminates." (This is the standard language, however it has the unfortunate connotation that evaluation is a process or operation that is performed in time. You shouldn't think of it like that. Evaluation of this expression "never terminates" in the way that the decimal expansion of &pi; never terminates. These are static, atemporal facts about their mathematical properties.)
 175
 176 There are infinitely many formulas in the lambda calculus that have this same property. &Omega; is the syntactically simplest of them. In our meta-theory, it's common to assign such formulas a special value, <big><code>&perp;</code></big>, pronounced "bottom." When we get to discussing types, you'll see that this value is counted as belonging to every type. To say that a formula has the bottom value means that the computation that formula represents never terminates and so doesn't evaluate to any orthodox, computed value.
 177
 178 From a "Fregean" or "weak Kleene" perspective, if any component of an expression fails to be evaluable (to an orthodox, computed value), then the whole expression should be unevaluable as well.
 179
 180 However, in some such cases it seems *we could* sensibly carry on evaluation. For instance, consider:
 181
 182 <pre><code>
 183 (\x. y) (&omega; &omega;)
 184 </code></pre>
 185
 186 Should we count this as unevaluable, because the reduction of <code>(&omega; &omega;)</code> never terminates? Or should we count it as evaluating to `y`?
 187
 188 This question highlights that there are different choices to make about how evaluation or computation proceeds. It's helpful to think of three questions in this neighborhood:
 189
 190 >       Q1. When arguments are complex, as <code>(&omega; &omega;)</code> is, do we reduce them before substituting them into the abstracts to which they are arguments, or later?
 191
 192 >       Q2. Are we allowed to reduce inside abstracts? That is, can we reduce:
 193
 194 >               (\x y. x z) (\x. x)
 195
 196 >       only this far:
 197
 198 >               \y. (\x. x) z
 199
 200 >       or can we continue reducing to:
 201
 202 >               \y. z
 203
 204 >       Q3. Are we allowed to "eta-reduce"? That is, can we reduce expressions of the form:
 205
 206 >               \x. M x
 207
 208 >       where x does not occur free in `M`, to `M`?
 209
 210 With regard to Q3, it should be intuitively clear that `\x. M x` and `M` will behave the same with respect to any arguments they are given. It can also be proven that no other functions can behave differently with respect to them. However, the logical system you get when eta-reduction is added to the proof theory is importantly different from the one where only beta-reduction is permitted.
 211
 212 MORE on extensionality
 213
 214 If we answer Q2 by permitting reduction inside abstracts, and we also permit eta-reduction, then where neither `y` nor `z` occur in M, this:
 215
 216         \x y z. M y z
 217
 218 will eta-reduce by two steps to:
 219
 220         \x. M
 221
 222 The evaluation strategy which answers Q1 by saying "reduce arguments first" is known as **call-by-value**. The evaluation strategy which answers Q1 by saying "substitute arguments in unreduced" is known as **call-by-name** or **call-by-need** (the difference between these has to do with efficiency, not semantics).
 223
 224 When one has a call-by-value strategy that also permits reduction to continue inside unapplied abstracts, that's known as "applicative order" reduction. When one has a call-by-name strategy that permits reduction inside abstracts, that's known as "normal order" reduction. Consider an expression of the form:
 225
 226         ((A B) (C D)) (E F)
 227
 228 Its syntax has the following tree:
 229
 230           ((A B) (C D)) (E F)
 231                    /     \
 232                   /       \
 233         ((A B) (C D))  \
 234                 /\        (E F)
 235            /  \        /\
 236           /    \      E  F
 237         (A B) (C D)
 238          /\    /\
 239         /  \  /  \
 240         A   B C   D
 241
 242 Applicative order evaluation does what's called a "post-order traversal" of the tree: that is, we always go down when we can, first to the left, and we process a node only after processing all its children. So `(C D)` gets processed before `((A B) (C D))` does, and `(E F)` gets processed before `((A B) (C D)) (E F)` does.
 243
 244 Normal order evaluation, on the other hand, will substitute the expresion `(C D)` into the abstract that `(A B)` evaluates to, without first trying to compute what `(C D)` evaluates to. That computation may be done later.
 245
 246 With normal-order evaluation (or call-by-name more generally), if we have an expression like:
 247
 248         (\x. y) (C D)
 249
 250 the computation of `(C D)` won't ever have to be performed. Instead, `(\x. y) (C D)` reduces directly to `y`. This is so even if `(C D)` is the non-evaluable <code>(&omega; &omega;)</code>!
 251
 252 Call-by-name evaluation is often called "lazy." Call-by-value evaluation is also often called "eager" or "strict". Some authors say these terms all have subtly different technical meanings, but I haven't been able to figure out what it is. Perhaps the technical meaning of "strict" is what I above called the "Fregean" or "weak Kleene" perspective: if any argument of a function is non-evaluable or non-normalizing, so too is the application of the function to that argument.
 253
 254
 255 Most programming languages, including Scheme and OCaml, use the call-by-value evaluation strategy. (But they don't permit evaluation to continue inside an unappplied function.) There are techniques for making them model call-by-name evaluation, when necessary. But by default, arguments will always be evaluated before being bound to the parameters (the `\x`s) of a function.
 256
 257 For languages like Scheme that permit functions to take more than one argument at a time, a further question arises: whether the multiple arguments are evaluated left-to-right, or right-to-left, or nothing is guaranteed about what order they are evaluated in. Different languages make different choices about this.
 258
 259 Some functional programming languages, such as Haskell, use the call-by-name evaluation strategy.
 260
 261 The lambda calculus can be evaluated either way. You have to decide what the rules shall be.
 262
 263 As we'll see in several weeks, there are techniques for *forcing* call-by-value evaluation of a computation, and also techniques for forcing call-by-name evaluation. If you liked, you could even have a nested hierarchy, where blocks at each level were forced to be evaluated in alternating ways.
 264
 265 Call-by-value and call-by-name have different pros and cons.
 266
 267 One important advantage of normal-order evaluation in particular is that it can compute orthodox values for:
 268
 269 <pre><code>
 270 (\x. y) (&omega; &omega;)<p>
 271 \z. (\x. y) (&omega; &omega;)
 272 </code></pre>
 273
 274 Indeed, it's provable that if there's *any* reduction path that delivers a value for a given expression, the normal-order evalutation strategy will terminate with that value.
 275
 276 An expression is said to be in **normal form** when it's not possible to perform any more reductions (not even inside abstracts).
 277 There's a sense in which you *can't get anything more out of* <code>&omega; &omega;</code>, but it's not in normal form because it still has the form of a redex.
 278
 279 A computational system is said to be **confluent**, or to have the **Church-Rosser** or **diamond** property, if, whenever there are multiple possible evaluation paths, those that terminate always terminate in the same value. In such a system, the choice of which sub-expressions to evaluate first will only matter if some of them but not others might lead down a non-terminating path.
 280
 281 The untyped lambda calculus is confluent. So long as a computation terminates, it always terminates in the same way. It doesn't matter which order the sub-expressions are evaluated in.
 282
 283 A computational system is said to be **strongly normalizing** if every permitted evaluation path is guaranteed to terminate. The untyped lambda calculus is not strongly normalizing: <code>&omega; &omega;</code> doesn't terminate by any evaluation path; and <code>(\x. y) (&omega; &omega;)</code> terminates only by some evaluation paths but not by others.
 284
 285 But the untyped lambda calculus enjoys some compensation for this weakness. It's Turing complete! It can represent any computation we know how to describe. (That's the cash value of being Turing complete, not the rigorous definition. There is a rigrous definition. However, we don't know how to rigorously define "any computation we know how to describe.") And in fact, it's been proven that you can't have both. If a computational system is Turing complete, it cannot be strongly normalizing.
 286
 287 A computational system is said to be **weakly normalizing** if there's always guaranteed to be *at least one* evaluation path that terminates. The untyped lambda calculus is not weakly normalizing either, as we've seen.
 288
 289 The *typed* lambda calculus that linguists traditionally work with, on the other hand, is strongly normalizing. (And as a result, is not Turing complete.) It has expressive power (concerning types) that the untyped lambda calculus lacks, but it is also unable to represent some (terminating!) computations that the untyped lambda calculus can represent.
 290
 291 Other more-powerful type systems we'll look at in the course will also fail to be Turing complete, though they will turn out to be pretty powerful.
 292
 293 Further reading:
 294
 295 *       [[!wikipedia Evaluation strategy]]
 296 *       [[!wikipedia Eager evaluation]]
 297 *       [[!wikipedia Lazy evaluation]]
 298 *       [[!wikipedia Strict programming language]]<p>
 299 *       [[!wikipedia Church-Rosser theorem]]
 300 *       [[!wikipedia Normalization property]]
 301 *       [[!wikipedia Turing completeness]]
 302
 303
 304 Decidability
 305 ============
 306
 307 The question whether two formulas are syntactically equal is "decidable": we can construct a computation that's guaranteed to always give us the answer.
 308
 309 What about the question whether two formulas are convertible? Well, to answer that, we just need to reduce them to normal form, if possible, and check whether the results are syntactically equal. The crux is that "if possible." Some computations can't be reduced to normal form. Their evaluation paths never terminate. And if we just kept trying blindly to reduce them, our computation of what they're convertible to would also never terminate.
 310
 311 So it'd be handy to have some way to check in advance whether a formula has a normal form: whether there's any evaluation path for it that terminates.
 312
 313 Is it possible to do that? Sure, sometimes. For instance, check whether the formula is syntactically equal to &Omega;. If it is, it never terminates.
 314
 315 But is there any method for doing this in general---for telling, of any given computation, whether that computation would terminate? Unfortunately, there is not. Church proved this in 1936; Turing also essentially proved it at the same time. Geoff Pullum gives a very reader-friendly outline of the proofs here:
 316
 317 *       [Scooping the Loop Snooper](http://www.cl.cam.ac.uk/teaching/0910/CompTheory/scooping.pdf), a proof of the undecidability of the halting problem in the style of Dr Seuss by Geoffrey K. Pullum
 318
 319
 320
 321 ##[[Lists and Numbers]]##
 322
 323